هوش مصنوعی در عمل از تجربه علی بابا تا دیجی کالا، دیوار و اسنپ پی در IRAN AI ۲۰۲۶
با فناوری: هوش مصنوعی دیگر یک موضوع آینده نگرانه نیست؛ وارد قیمت گذاری شده، تماسهای مرکز پشتیبانی را تحلیل می کند، رفتار مشتری را پیش بینی می کند، به برنامه نویس ها کمک کرده، حتی شکل بعضی تیم ها را تغییر داده است.
فاصله میان «حرف زدن درباره ی هوش مصنوعی» و «استفاده واقعی از آن» یکی از محورهای اصلی دومین رویداد کاربردهای هوش مصنوعی در صنایع و کسب وکارها؛ IRAN AI ۲۰۲۶ بود. این رویداد ۳۰ و ۳۱ شهریور در «دانشگاه صنعتی شریف» و با شعار «خلق ارزش با هوش مصنوعی» انجام شد.
علی بابا حامی این رویداد بود و اعضای این شرکت در پنل ها و نشست های انتقال تجربه درباره ی کاربردهای هوش مصنوعی در کسب و کار صحبت کردند. در یکی از پنل های روز نخست هم مدیران عامل علی بابا، دیجی کالا، دیوار و اسنپ پی تجربه های خودرا از ورود هوش مصنوعی به عملیات واقعی کسب و کار به اشتراک گذاشتند.
پرسشی که در بخش های مختلف رویداد بارها به آن پرداخته شد این بود: هوش مصنوعی دقیقاً چطور برای یک کسب و کار ارزش آفرینی می کند؟
هوش مصنوعی دیگر به تنهایی یک مزیت نیست
توحید علی اشرفی، مدیرعامل علی بابا، در پنل «هوش مصنوعی و تحول کسب وکار» با همراهی مسعود طباطبائی، مدیرعامل دیجی کالا، اشکان آرمندهی، مدیرعامل دیوار و مجید حسامی، مدیرعامل اسنپ پی، درباره ی تغییراتی گفتگو کرد که هوش مصنوعی در شرکتهای فناوری بوجود آورده است.
بحث این پنل بالاتر از آن که بر معرفی یک ابزار یا مدل مشخص متمرکز باشد، به تجربه واقعی کسب و کارها در استفاده از هوش مصنوعی می پرداخت؛ تجربه هایی که نشان می داد این فناوری در تعدادی شرکت ها از مرحله آزمایش عبور کرده و وارد فرایندهای اصلی شده است.
توحید علی اشرفی درباره ی تحلیل تماسهای مرکز تماس بعنوان یکی از نمونه های استفاده از هوش مصنوعی در علی بابا صحبت کرد. در این فرآیند، تماسهای مشتریان به متن تبدیل و بعد از پردازش و خلاصه سازی به لایه هوش مشتری متصل می شوند. بدین سان میتوان الگوهای مشترک در مسایل و نارضایتی های گروههای مختلف مشتریان را شناسایی کرد.
در دیجی کالا، یکی از نمونه های طرح شده به قیمت گذاری مربوط بود. مسعود طباطبائی توضیح داد که قبل از این، رصد قیمت بازار به بررسی دستی منابع مختلف نیاز داشت، اما حالا یک موتور هوشمند می تواند کانال های مختلف بازار را بررسی کند و قیمت کالا را متناسب با استراتژی دیجی کالا به روز کند.
اشکان آرمندهی هم از استفاده هوش مصنوعی در دیوار جهت بررسی آگهی ها، جست وجو و کشف تقلب گفت. بگفته او، حالا ۹۷ درصد پروسه بررسی آگهی ها با کمک هوش مصنوعی صورت می گیرد و زمانیکه قبل تر ممکن بود به چند ساعت برسد، در خیلی از موارد به چند دقیقه کاسته شده است.
مجید حسامی هم توسعه نرم افزار را یکی از حوزه های استفاده از هوش مصنوعی در اسنپ پی معرفی نمود. بگفته او، حدود ۴۰ درصد کد این مجموعه حالا با کمک ابزارهای هوش مصنوعی تولید می شود. اسنپ پی همین طور از این فنآوری در عرصه هایی مانند شخصی سازی ارتباط با کاربران و عامل های هوشمند بهره می گیرد.
این نمونه ها نشان می دهند که هوش مصنوعی علاوه بر خودکار سازی برخی فرایندها، درحال تغییر شیوه انجام بعضی کارهاست. در چنین شرایطی، توانایی تعریف مسئله، تصمیم گیری و سازگاری با تغییرات می تواند اهمیت بیشتری پیدا کند.
از ابزار شروع نکنید؛ از مساله شروع کنید
ابراهیم نبیئی، CTO گروه علی بابا، بحث را از زاویه دیگری ادامه داد.
پیام اصلی او ساده اما مهم بود: اول مساله را پیدا کنید، بعد سراغ هوش مصنوعی بروید.
در دوره ای که حدودا هر هفته مدل، عامل هوشمند یا ابزار تازه ای معرفی می شود، وسوسه شروع از فناوری زیاد است. شرکت ها امکان دارد ابتدا تصمیم بگیرند «یک پروژه هوش مصنوعی» داشته باشند و بعد تازه دنبال کاربرد آن بگردند. نبیئی اما بر مسیر معکوس تاکید داشت.
ابتدا باید مشخص شود چه مساله ای برای مشتری یا کسب و کار اهمیت دارد، حل آنچه ارزشی بوجود می آورد و موفقیت آن چطور اندازه گیری خواهد شد. سپس میتوان بررسی کرد که آیا هوش مصنوعی ابزار مناسبی برای حل آن هست یا نه.
او همین طور به نمونه هایی مانند وایب کدینگ، تحلیل پیش نگر و مدلهای متکی بر داده و زمینه اختصاصی سازمان اشاره نمود. از این منظر، هوش مصنوعی الزاماً قرار نیست در قالب یک محصول مستقل ظاهر شود؛ گاهی مهم ترین اثر آن در تغییر شیوه انجام فرایندهای موجود دیده می شود.
نبیئی با این حال تاکید کرد که دسترسی به مدل به تنهایی جهت استفاده واقعی از هوش مصنوعی کافی نیست. داده مناسب، زیرساخت، زمینه سازمانی و تعریف دقیق مساله هم باید وجود داشته باشند؛ در غیر این صورت امکان دارد نتیجه در حد یک نمونه نمایشی باقی بماند و هیچ وقت وارد عملیات واقعی کسب و کار نشود.
از میلیونها داده تا شناخت دقیق تر مشتری
بخش دیگری از مباحث IRAN AI ۲۰۲۶ به یکی از مسایل قدیمی کسب و کارها برمی گشت: چه طور مشتری را بهتر بشناسیم؟
فرناز عابدینی، متخصص داده در علی بابا، در عرضه «وقتی داده بجای مشتری حرف می زند» درباره ی تبدیل حجم بزرگی از داده های رفتاری به اطلاعات قابل استفاده برای تصمیم گیری صحبت کرد.
در علی بابا، این مسیر به ساخت بالاتر از ۷۰۰ خاصیت مهندسی شده، استفاده از بالاتر از ۱۶ الگوریتم و تشکیل بالاتر از ۴ میلیون میکروسگمنت رسیده است. بجای قرار دادن میلیونها مشتری در چند دسته کلی، این تقسیم بندی امکان تحلیل دقیق تر رفتار گروههای کوچک تر مشتریان را فراهم می آورد.
یکی دیگر از نمونه های عنوان شده، پیشبینی ریزش مشتری بود. بر طبق اطلاعات عرضه شده در این جلسه، مدل مورد استفاده برای پیشبینی ریزش مشتری در علی بابا به دقتی بالاتر از ۸۶ درصد رسیده است. هدف این مدل، شناسایی نشانه های ریزش قبل از قطع ارتباط مشتری با کسب و کار است.
وقتی هوش مصنوعی وارد ساختار سازمان می شود
یکی دیگر از موضوعات طرح شده در پنل، تاثیر هوش مصنوعی بر ساختار و نیروی انسانی شرکت ها بود.
مسعود طباطبائی توضیح داد که دیجی کالا درحال بررسی این مساله است که ورود عامل های هوشمند چه تغییری در طراحی سازمان ایجاد خواهد کرد؛ تا جایی که امکان دارد در آینده قسمتی از وظایف یک موقعیت سازمانی توسط عامل های هوشمند صورت گیرد.
در مقابل، اشکان آرمندهی تاکید کرد که پروژه های هوش مصنوعی در دیوار با هدف کوچک کردن تیم ها تعریف نشده اند. از دید او، آزادشدن ظرفیت یک تیم می تواند به معنای امکان حل مسایل بیشتر با همان ظرفیت سازمانی باشد.
توحید علی اشرفی یکی از مهم ترین آثار هوش مصنوعی را کاهش زمان و هزینه رسیدن از مساله به تصمیم دانست. در خیلی از فرایندهای سازمانی، جمع آوری اطلاعات، بررسی داده ها و تحلیل گزینه ها قبل تر می توانست ساعت ها یا حتی چند روز زمان ببرد. هوش مصنوعی قسمتی از این فاصله را کوتاه کرده و امکان بررسی حجم بیشتری از اطلاعات و گزینه ها را در زمان کمتر فراهم نموده است.
با این حال، دسترسی سریع تر به اطلاعات و تحلیل به معنای حذف نقش انسان در تصمیم گیری نیست. انتخاب میان گزینه ها، تشخیص مساله مهم و مسئولیت تصمیم غائی بازهم برعهده انسان باقی می ماند.
هوش مصنوعی وقتی جدی می شود که نتیجه اش قابل دیدن باشد
تجربه های طرح شده در IRAN AI ۲۰۲۶ نشان می دادند که هوش مصنوعی در کسب وکارهای فناوری از مرحله گفتگو درباره ی قابلیت ها به سوی استفاده در فرایندهای واقعی حرکت کرده است.
در علی بابا، نمونه هایی از تحلیل تماسهای مشتریان، شناخت و پیشبینی رفتار مشتری عنوان شد. همین طور تجربه های دیجی کالا در قیمت گذاری، دیوار در بررسی آگهی و کشف تقلب و اسنپ پی در توسعه نرم افزار، نمونه های دیگری از ورود هوش مصنوعی به عملیات روزمره کسب و کارها بودند.
در کنار تفاوت این تجربه ها، یک نقطه مشترک دیده می شود: فاصله میان داشتن ابزار هوش مصنوعی و ساختن ارزش با آن، صرفا با اضافه کردن مدلها و ابزارهای بیشتر پر نمی گردد. تعریف درست مسئله، کیفیت داده، زیرساخت مناسب و توانایی یادگیری و تغییر مسیر بازهم بخش مهمی از این معادله اند.
۳۳۳
منبع: bafanavari.ir
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب